嵌入

POST /v1/embeddings — 为搜索、RAG 和聚类生成文本的向量表示。六个模型加一个旧版别名，维度范围为 768 至 4096。兼容 OpenAI；仅需为输入 token 付费。

嵌入会将文本转换为数值向量，用于语义搜索、RAG、聚类和推荐。该端点完全兼容 OpenAI，只有基础地址和密钥需要更改。

POSThttps://getvibeapi.com/v1/embeddings

正文参数

参数	类型	描述
`model`req.	string	嵌入模型（见下文）。
`input`req.	string \| string[]	一个文本或文本数组。数组表示在一次请求中批量处理。
`encoding_format`	"float" \| "base64"	响应中的向量格式。默认为 float。
`dimensions`	integer	可选的输出宽度。对于 text-embedding-3-small，仅支持 1536。

模型和价格

参数	类型	描述
`text-embedding-3-small`		POST /v1/embeddings — 为搜索、RAG 和聚类生成文本的向量表示。模型为 qwen3-embedding-8b。兼容 OpenAI；仅需为输入 token 付费。
`qwen3-embedding-8b`		POST /v1/embeddings — 为搜索、RAG 和聚类生成文本的向量表示。模型为 qwen3-embedding-8b。兼容 OpenAI；仅需为输入 token 付费。
`bge-m3`		POST /v1/embeddings — 为搜索、RAG 和聚类生成文本的向量表示。模型为 qwen3-embedding-8b。兼容 OpenAI；仅需为输入 token 付费。
`multilingual-e5-large`		POST /v1/embeddings — 为搜索、RAG 和聚类生成文本的向量表示。模型为 qwen3-embedding-8b。兼容 OpenAI；仅需为输入 token 付费。
`embeddinggemma-300m`		POST /v1/embeddings — 为搜索、RAG 和聚类生成文本的向量表示。模型为 qwen3-embedding-8b。兼容 OpenAI；仅需为输入 token 付费。
`nemotron-embed-vl`		POST /v1/embeddings — 为搜索、RAG 和聚类生成文本的向量表示。模型为 qwen3-embedding-8b。兼容 OpenAI；仅需为输入 token 付费。
`qwen3-embedding-0.6b`		POST /v1/embeddings — 为搜索、RAG 和聚类生成文本的向量表示。模型为 qwen3-embedding-8b。兼容 OpenAI；仅需为输入 token 付费。

每个模型的向量宽度不同，事后无法更换模型而不重建索引：数据库列是为特定维度数创建的。请在加载第一百万个向量之前选择模型。

请求示例

curl https://getvibeapi.com/v1/embeddings \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-embedding-8b",
    "input": "Text to vectorize"
  }'

响应

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0021, -0.014, ...] }
  ],
  "model": "qwen3-embedding-8b",
  "usage": { "prompt_tokens": 8, "total_tokens": 8 }
}

您只需为输入 token（prompt_tokens）付费；embeddings 没有输出 token。在 input 中传入字符串数组，即可在一次请求中批量生成向量。

← 上一页Files API 下一页 →语音转文本